DoktorClub
Hakkımızda
Kurumsal
Fırsatlar
Haberler
Kongreler
Akademi
LongeviTurk
Yapay Zeka Haber
İletişim
Oturum açDOKGPT'yi dene
DoktorClub
Sağlık Bilgisi.
Hekim Güveni.

Hasta Rehberleri

  • Belirti Rehberleri
  • Kadın Sağlığı
  • Ruh Sağlığı
  • Longevity
  • Acil & İlk Yardım
  • Tüm Sağlık Haberleri

Platform

  • DOKGPT
  • TUS Soru Bankası
  • Hesaplayıcılar
  • Akademi
  • Dijital Tıp Fakültesi

Topluluk

  • Hekim Ağı
  • Vaka Tartışmaları
  • Haberler
  • Yapay Zeka Haber
  • AI Sağlık Bültenleri
  • AI Sağlık Takipçisi
  • Kongreler
  • Doktorclub Awards
  • Akademi
  • Canlı Yayınlar

Kaynaklar

  • Dergiler
  • TUS Blog
  • Fırsatlar
  • Sıralama
  • VIP

Kurumsal

  • Hakkımızda
  • Kurumsal Çözümler
  • İletişim
  • Gizlilik & KVKK

Üyelik

  • Hekim Kaydı
  • Öğrenci Kaydı
  • Akademisyen Kaydı
  • Oturum Aç
DoktorClub© 2026 DoktorClub. Tüm hakları saklıdır.
InstagramLinkedIn
Ana Sayfa›Sağlık Haberleri
24 Eylül 2026Yapay Zeka Haber

Sitolojide yeni yol: ışık saçılımıyla mezotelyoma hücresini ayırt etmek

Japonya'dan bir ekip, sitoloji preparatlarındaki hücrelerin beyaz ışığı nasıl saçtığını ölçüp makine öğrenmesiyle sınıflandırdı. Hasta bazlı doğrulamada plevral sıvıdaki mezotelyoma hücrelerinin yaklaşık yüzde…

Haberi paylaş

İlgilenecek birine ulaştırın.

WhatsApp ile paylaş↗
XFacebookLinkedIn
← Sağlıkta yapay zekâ merkezine dön
DoktorClub Yayın Kurulu · Tıbbi İnceleme: Dr. Hamza Gemici
5 dk okuma
Hekim editör gözetiminde · AI-destekli
Sitolojide yeni yol: ışık saçılımıyla mezotelyoma hücresini ayırt etmek
Kısa Cevap
Japonya'dan bir ekip, sitoloji preparatlarındaki hücrelerin beyaz ışığı nasıl saçtığını ölçüp makine öğrenmesiyle sınıflandırdı. Hasta bazlı doğrulamada plevral sıvıdaki mezotelyoma hücrelerinin yaklaşık yüzde…
DoktorClub Görüşü

Japon ekip, sitoloji hücrelerinin ışık saçılımını makine öğrenmesiyle okudu. Hasta bazlı testte mezotelyoma hücrelerinin yüzde 92'si doğru tanındı.

Kaynak
Tsuri Y, ve ark. (2026) — Accurate tumor cell identification via AI analysis of white light scattering spectra in cytology, Scientific Reports, DOI 10.1038/s41598-026-64056-z:
Yazar: DoktorClub Sağlık Editörleri
Tıbbi Gözetim: Dr. Hamza Gemici
Son Tıbbi Gözetim: 24 Eylül 2026
Sonraki Planlı İnceleme: 24 Mart 2027
Kaynaklar:
  • Tsuri Y, ve ark. (2026) — Accurate tumor cell identification via AI analysis of white light scattering spectra in cytology, Scientific Reports, DOI: 10.1038/s41598-026-64056-z: https://www.nature.com/articles/s41598-026-64056-z
  • Nara Institute of Science and Technology / EurekAlert (2026) — A machine learning system that identifies cancer cells based on how they scatter light: https://www.eurekalert.org/news-releases/1144004
  • Annals of Work Exposures and Health (2025) — Environmental and occupational exposure to erionite and related health risks: progress and prospects, Annals of Work Exposures and Health: https://academic.oup.com/annweh/article/69/7/677/8162488
  • News-Medical (2026) — haber kaynağı: https://www.news-medical.net/news/20260916/Machine-learning-improves-cancer-cell-detection-through-light-scattering.aspx
Çıkar Çatışması / Sponsorluk: Bu makale herhangi bir ticari sponsorluk içermez ve DoktorClub editöryel ekibi tarafından bağımsız olarak hazırlanmıştır. Yazarın ve tıbbi inceleyicinin makale konusuyla bilinen bir finansal çıkar çatışması bulunmamaktadır. Editöryel bağımsızlık prensiplerimiz için yayın politikamızı inceleyebilirsiniz.

Tıbbi Uyarı: Bu içerik yalnızca bilgilendirme amaçlıdır ve doktor tavsiyesi yerine geçmez. Sağlık durumunuzla ilgili kararlar için her zaman hekiminize danışın. Bu içerik hekim editör kurulu gözetiminde yapay zeka destekli olarak hazırlanmıştır; DoktorClub içerikleri Tıbbi Direktör ve uzman hekim editör kurulu gözetimindedir. Daha fazla bilgi için tıbbi inceleme politikamızı inceleyebilirsiniz.

Bu sayfa nasıl kaynak gösterilir?
DoktorClub Tıbbi Editör Kurulu. "Sitolojide yeni yol: ışık saçılımıyla mezotelyoma hücresini ayırt etmek". DoktorClub Medikal İçerik Merkezi. Hekim editör kurulu gözetiminde yapay zeka destekli hazırlanmıştır. Tıbbi gözetim: Dr. Hamza Gemici. Son güncelleme: 24 Eylül 2026. URL: https://doktorclub.com/haberler/isik-sacilimi-ve-yapay-zeka-sitolojide-tumor-hucresini-ayirt-ediyor
Bu rehber yardımcı oldu mu?
Paylaş🩺Hekim Bul
🩺
Bu konuyu bir hekime danışın
DoktorClub hekim ağında uzmanlık alanına ve şehre göre hekim profillerini inceleyin.
Hekim Bul →
DoktorClub’da Keşfet
🎓Akademi🔬Vaka Tartışmaları🧮Tıbbi Hesaplayıcılar🤖DOKGPT
← Tüm Haberlere Dön

Okumaya devam edin

Depresyonda dijital müdahale: Makine öğrenmesi eşleştiremedi
Yapay Zeka Haber

Depresyonda dijital müdahale: Makine öğrenmesi eşleştiremedi

24 Eylül 2026
Parkinson sohbet botu sahada: İyi puanlar hataları gizledi
Yapay Zeka Haber

Parkinson sohbet botu sahada: İyi puanlar hataları gizledi

24 Eylül 2026
NT-proBNP'ye kişisel eşik: Binde 144 hasta daha dışlandı
Yapay Zeka Haber

NT-proBNP'ye kişisel eşik: Binde 144 hasta daha dışlandı

24 Eylül 2026

30 Saniyede Özet

Japonya'dan bir ekip, sitoloji preparatlarındaki hücrelerin beyaz ışığı nasıl saçtığını ölçüp makine öğrenmesiyle sınıflandırdı. Hasta bazlı doğrulamada plevral sıvıdaki mezotelyoma hücrelerinin yaklaşık yüzde 92'si doğru tanındı. Mide ve ürotelyal kanserde de benzer sonuçlar alındı. Yöntem umut verici ama küçük ölçekli ve henüz klinik kullanımda değil.

Ne oldu?

Çalışma 3 Ağustos 2026'da Scientific Reports dergisinde yayımlandı. Ekip Nara Bilim ve Teknoloji Enstitüsü (NAIST), Kindai Üniversitesi Nara Hastanesi, Hyogo Tıp Üniversitesi ve Osaka Teknoloji Enstitüsü'nden. İlk yazar Yuka Tsuri, son yazar Yoichiroh Hosokawa. NAIST sonuçları 16 Eylül'de bir basın bülteniyle duyurdu.

Mezotelyoma için Papanicolaou (Pap) yöntemiyle boyanmış plevral efüzyon preparatları kullanıldı. Ayrıca asitte mide adenokarsinomu, idrarda ürotelyal karsinom hücreleri incelendi.

Yöntemin temeli karanlık alan (dark-field) aydınlatması. Bu düzende mikroskop, hücreden doğrudan geçen ışığı değil yalnızca saçılan ışığı topluyor. NAIST'e göre ölçüm 420–720 nanometre aralığındaki görünür ışıkta yapıldı.

Hücre içindeki mikrometre altı yapılar ışığı farklı dalga boylarında farklı şiddette saçıyor. Ekip bu spektrumu temel bileşen analizi (PCA, çok boyutlu veriyi az sayıda özete indirgeyen yöntem) ile sadeleştirdi. Ardından destek vektör makinesi (SVM) ile hücreleri sınıflandırdı.

Kanıt ne kadar güçlü?

Mezotelyoma ile reaktif mezotel hücresi ayrımı sitolojinin zor sorularından biri. Bu görevde iki farklı doğrulama yapıldı ve sonuçlar belirgin biçimde farklılaştı.

Makale doğruluğu, test edilen mezotelyoma hücrelerinin ne kadarının doğru tanındığı olarak tanımlıyor. Bu, hücre düzeyinde duyarlılığa (sensitivite) yakın bir ölçüt.

Hücreler rastgele beş gruba bölündüğünde bu oran yüzde 99 ± 1 oldu. Ancak bu düzende aynı hastanın hücreleri hem eğitimde hem testte yer alabiliyor. Hasta bazlı doğrulamada, yani test hastası eğitimde hiç görülmediğinde, oran yüzde 92 ± 10'a indi.

Klinik gerçeğe yakın olan hasta bazlı sonuç. Artı eksi 10 puanlık yayılım, performansın hastadan hastaya değişebildiğini düşündürüyor. Reaktif hücrelerin ne sıklıkla yanlışlıkla malign sayıldığı ise özette verilmiyor.

Makalenin özetine göre mide ve ürotelyal kanserlerde benzer sonuçlar alındı. Akciğer adenokarsinomu; mezotelyoma, küçük hücreli akciğer kanseri ve mide adenokarsinomundan yüzde 80'in üzerinde doğrulukla ayrıldı. NAIST bülteni mezotelyoma için yaklaşık yüzde 91 değerini veriyor. Biz makale özetindeki değeri esas aldık.

Özette hasta ve hücre sayıları verilmiyor; tam metinden de bu sayıları doğrulayamadık. Çalışma tek bir ülkedeki sınırlı sayıda merkezden geliyor ve bağımsız bir dış doğrulama bildirilmemiş. NAIST de optik ayarların ve ölçüm protokolünün henüz geliştirme aşamasında olduğunu belirtiyor.

Hekim için ne anlama geliyor?

Yöntemin ilginç yanı, mevcut Pap boyalı preparatlar üzerinde çalışması. Yani ek boyama ya da yeni örnek alma gerektirmeden hücreye ikinci bir bakış sunabilir. Yazarlar da sistemin mikroskoba entegre edilerek patologlara yardımcı bir araç olabileceğini öne sürüyor.

Ancak bugün için bu bir araştırma bulgusu. Efüzyon sitolojisinde tanı, morfoloji ile birlikte immünohistokimya ve gerektiğinde moleküler testlerle konuyor. Işık saçılımı bu testlerin yerine değil, belki yanına eklenebilecek bir katman.

Benzer bir cihaz ya da yazılım gündeme gelirse şu sorular sorulabilir:

  • Doğruluk hasta bazlı mı ölçüldü, yoksa hücre bazlı mı?

  • Farklı laboratuvarların boyama ve preparat hazırlama farkları test edildi mi?

  • Hücre seçimi otomatik mi, yoksa bir uzmanın seçtiği hücrelerle mi çalışılıyor?

  • Sonuç, mevcut yardımcı testlere göre ne kadar ek bilgi sağlıyor?

Türkiye'den bakınca

Mezotelyoma, Türkiye için özel önem taşıyan bir tümör. Kapadokya'daki bazı köylerde erionit adlı doğal lif mineraline çevresel maruziyet, 1970'lerden itibaren bir mezotelyoma salgınına yol açtı. 2025 tarihli bir derlemeye göre Karain köyünde 1970–1994 döneminde ölümlerin yaklaşık yarısı mezotelyomaya bağlıydı.

Bu nedenle efüzyon sitolojisinde reaktif ve malign mezotel ayrımı Türkiye'deki patologlar için önemli bir soru. Bir tanı destek cihazının kullanılabilmesi için tıbbi cihaz mevzuatına uyumu Türkiye İlaç ve Tıbbi Cihaz Kurumu'nun (TİTCK) alanında. Bu sistemin Türkiye'de ruhsatlı ya da kullanımda olduğuna dair bir bilgiye ulaşamadık.

Sık sorulan sorular

Işık saçılımı yöntemi neyi ölçüyor?

Hücrenin iç yapılarının beyaz ışığı hangi dalga boylarında ne kadar saçtığını ölçüyor. Bu spektrum, gözle seçilemeyen ince yapısal farkları yansıtabiliyor. Makine öğrenmesi de bu farkları sınıflandırmada kullanıyor.

Yüzde 99 ile yüzde 92 arasındaki fark neden önemli?

Yüzde 99, aynı hastanın hücrelerinin hem eğitimde hem testte yer alabildiği bir düzende elde edildi. Yüzde 92 ise modelin hiç görmediği hastalarda ölçüldü. İki değer de mezotelyoma hücrelerinin doğru tanınma oranı; klinik kullanıma yakın olan ikincisi.

Bu yöntem immünohistokimyanın yerini alabilir mi?

Mevcut kanıtla hayır. Çalışma küçük ölçekli ve dış doğrulama yapılmamış. Yöntem en iyi ihtimalle ek bir tarama ya da destek katmanı olarak düşünülebilir.

Kaynaklar

  • Tsuri Y, ve ark. (2026) — Accurate tumor cell identification via AI analysis of white light scattering spectra in cytology, Scientific Reports, DOI 10.1038/s41598-026-64056-z: https://www.nature.com/articles/s41598-026-64056-z

  • Nara Institute of Science and Technology / EurekAlert (2026) — A machine learning system that identifies cancer cells based on how they scatter light: https://www.eurekalert.org/news-releases/1144004

  • Annals of Work Exposures and Health (2025) — Environmental and occupational exposure to erionite and related health risks: progress and prospects, Annals of Work Exposures and Health: https://academic.oup.com/annweh/article/69/7/677/8162488

  • News-Medical (2026) — haber kaynağı: https://www.news-medical.net/news/20260916/Machine-learning-improves-cancer-cell-detection-through-light-scattering.aspx

Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.


İlgili Yazılar

Bu konuyla ilgili Doktorclub'da ele aldığımız diğer hekim onaylı rehberler:

  • Ameliyat röntgenini tomografiyle eşleştiren hastaya özel yapay zekâ
  • ADA fonlu yapay zekâ destekli ergen obezite programı: sonuç değil, plan
  • Beş yaş altında astım tanısı: Nefes analizi ve makine öğrenmesi